像写SQL一样查询大模型：LARQL的LQL查询语言快速上手指南

LARQL是一个开源大模型研究系统，其中的LQL（Lazarus Query Language，Lazarus 查询语言）让你可以像写 SQL 一样查询、浏览甚至编辑大模型的"知识"——把模型权重直接当作图数据库：每一行权重是一张"表"，模型本身就是数据库。一个 Rust 二进制，无需 Python、无需 GPU，几分钟即可完成第一次查询。

什么是 LQL？3 个核心设计思想

LQL 不是 SQL 的复刻，而是为"反编译、检查、编辑、重编译神经网络"而生。它的设计原则可以概括为三点：

• 权重即行（Weights are rows）：每一个 FFN 门控向量、每一个 embedding 向量都是一条记录，模型即数据库；
• 两种后端、一套语言：既可以直接查询原始 safetensors 权重（免提取、即开即用），也可以查询预提取的.vindex索引文件（生产环境，毫秒级查找）；
• 语句化而非脚本化：每条语句自包含，不依赖跨语句变量，结果可用管道|>串联。

完整语言规范见 crates/larql-lql/docs/spec.md，入门示例集中在 docs/lql-guide.md。

环境准备：如何安装 LARQL 并启动 LQL REPL

一键获取仓库并构建

git clone https://gitcode.com/gh_mirrors/la/larql cd larql cargo build --release -p vindex-cli -p larql-cli # Linux/Windows 追加 --no-default-features

两种进入 LQL 的方式

REPL 的命令实现位于 crates/larql-lql/src/repl.rs，命令入口文档见 docs/cli.md。

3 分钟上手：从提取模型到第一次查询

第 1 步：提取模型为可查询索引（EXTRACT）

-- 只读浏览版（约 3 GB，快速查询，不含推理） EXTRACT MODEL "google/gemma-3-4b-it" INTO "gemma3-4b.vindex"; -- 带推理支持（约 6 GB，解锁 INFER） EXTRACT MODEL "google/gemma-3-4b-it" INTO "gemma3-4b.vindex" WITH INFERENCE;

💡 不想提取？USE MODEL "google/gemma-3-4b-it"可直接指向权重开始查询（支持 INFER / STATS）。

第 2 步：连接并查看模型概览

USE "gemma3-4b.vindex"; STATS; -- 知识图谱覆盖度、规模统计 SHOW LAYERS; -- 逐层摘要

第 3 步：浏览"模型脑子里"的知识

DESCRIBE "France"; -- 模型对"法国"知道什么？ DESCRIBE "France" BRIEF; -- 紧凑视图：Top 边 + 主层 WALK "The capital of France is" TOP 10; -- 特征扫描：哪些特征被激活 SELECT entity, target FROM EDGES WHERE relation = "capital" LIMIT 10; -- 纯正 SQL 风格边查询

DESCRIBE会自动把特征分入语法层 / 知识层 / 输出层三个频段（如 Gemma 3 4B 的知识层为 L14-27），让你只关心事实关系所在的层。

第 4 步：跑一次真实推理

INFER "The capital of France is" TOP 5; -- 带注意力的下一词预测 INFER "The capital of France is" TOP 5 COMPARE; -- 对比"无注意力 vs 有注意力"

常用 LQL 查询语句清单

给大模型"打补丁"：编辑知识而不改原文件

LQL 最有意思的能力之一是知识编辑。基线索引不可变，所有修改都走"补丁（Patch）"——一个可移植的 JSON 知识差异文件：

BEGIN PATCH "medical-knowledge.vlp"; INSERT INTO EDGES (entity, relation, target) VALUES ("aspirin", "side_effect", "bleeding"); SAVE PATCH; -- 保存补丁，不触碰基线文件 APPLY PATCH "medical-knowledge.vlp"; -- 应用补丁（可叠加多个） COMPILE CURRENT INTO VINDEX "gemma3-4b-medical.vindex"; -- 烘焙成全新独立索引

编辑完成后，COMPILE还能把结果写回标准 safetensors 格式——知识修改就落在标准的down_proj张量里，Transformers / GGUF 运行时加载即用。

进阶玩法：用 TRACE 观察每一层的"思考"

TRACE "The capital of France is" FOR "Paris"; -- 逐层显示答案的排名、概率，以及注意力/FFN 各自贡献了多少

如果你想把执行记录导入网页端做协同检查和回放，可以配合 Observatory 观测台（observatory/README.md），它专门用于导入执行记录、复现与可视化。

进一步阅读

• 📖 LQL 快速上手指南：全部语句示例与层级频段说明
• 📐 LQL 语言规范 v0.4：语法、能力模型与完整契约
• 🗂️ larql-lql 模块说明：AST、解析器、执行器源码地图
• 🚀 CLI 完整参考：repl/lql之外的全部命令
• 📜 Vindex 生成策略：V2 与 VINDEX3 容器如何共存

小贴士：SHOW MODELS;可以随时列出当前目录下的所有 vindex；SHOW PATCHES;查看当前激活的补丁栈——这两个命令是新手排错的第一选择。